FAHP模糊层次分析法

方法概述

模糊层次分析法（Fuzzy Analytic Hierarchy Process, FAHP）是在传统AHP基础上引入模糊集理论的一种改进方法。它通过采用模糊互补判断矩阵（0.1~0.9标度）来描述专家的两两比较判断，避免了传统AHP中严格的互反性要求和一致性检验的复杂性，同时能更好地处理人类判断的模糊性与不确定性。

FAHP的核心思想是：
- 使用0.1-0.9的模糊标度代替Saaty的1-9标度，建立满足互补性（\(a_{ij} + a_{ji} = 1\)）的模糊判断矩阵。
- 通过权重计算公式直接导出权重向量。
- 利用相容性指标检验判断矩阵的一致性，无需计算最大特征根。

FAHP特别适用于专家判断存在模糊性、或决策者对精确数值难以把握的复杂决策场景。

计算步骤

1. 建立模糊互补判断矩阵 \(A\)

采用0.1~0.9标度法，对因素进行两两比较，得到模糊判断矩阵 \(A = (a_{ij})_{n \times n}\)。

标度	定义	说明
0.5	同等重要	两因素相比较，同等重要
0.6	稍微重要	一因素比另一因素稍微重要
0.7	明显重要	一因素比另一因素明显重要
0.8	重要得多	一因素比另一因素重要得多
0.9	极端重要	一因素比另一因素极端重要
0.1~0.4	反比较	若 \(a_{ij} = r\)，则 \(a_{ji} = 1 - r\)

矩阵必须满足： - 对角线元素 \(a_{ii} = 0.5\)。 - 互补性 \(a_{ij} + a_{ji} = 1\)，\(\forall i, j\)。

2. 计算权重向量 \(W\)

权重向量 \(W = (W_1, W_2, \ldots, W_n)^T\) 的计算公式为：

\[ W_i = \frac{\sum_{j=1}^{n} a_{ij} + \frac{n}{2} - 1}{n(n - 1)}, \quad i = 1, 2, \ldots, n \]

其中，\(\sum_{j=1}^{n} a_{ij}\) 为第 \(i\) 行元素之和，\(n\) 为矩阵阶数。该公式保证权重和为1且所有权重非负。

3. 计算特征矩阵 \(W^*\)

设 \(W\) 为权重向量，则特征矩阵 \(W^* = (W_{ij})_{n \times n}\) 的元素定义为：

\[ W_{ij} = \frac{W_i}{W_i + W_j}, \quad \forall i, j = 1, 2, \ldots, n \]

特征矩阵 \(W^*\) 是一个模糊互补矩阵，它是由权重向量唯一确定的理想判断矩阵。

4. 计算相容性指标 \(I\)

相容性指标用于衡量原始判断矩阵 \(A\) 与特征矩阵 \(W^*\) 的接近程度，定义为：

\[ I(A, W^*) = \frac{1}{n^2} \sum_{i=1}^{n} \sum_{j=1}^{n} |a_{ij} + W_{ji} - 1| \]

该指标反映了两个矩阵之间的偏离程度，值越小说明一致性越好。

5. 一致性检验

给定阈值 \(\alpha\)（通常取 \(\alpha = 0.1\)），若

\[ I(A, W^*) \leq \alpha \]

则认为判断矩阵 \(A\) 具有满意的一致性，通过检验；否则需要专家重新调整判断。

案例分析

案例背景：某企业需从三个备选方案（A、B、C）中选择最优方案，评价准则为：技术先进性（C1）、经济性（C2）、实施风险（C3）。一位专家根据0.1~0.9标度给出如下模糊互补判断矩阵：

	C1	C2	C3
C1	0.5	0.6	0.7
C2	0.4	0.5	0.6
C3	0.3	0.4	0.5

计算过程：

权重向量
行和：\(\sum a_{1j} = 0.5+0.6+0.7=1.8\)，\(\sum a_{2j}=0.4+0.5+0.6=1.5\)，\(\sum a_{3j}=0.3+0.4+0.5=1.2\)。
\(n=3\)，代入公式： \[ W_1 = \frac{1.8 + 1.5 - 1}{3 \times 2} = \frac{2.3}{6} = 0.3833 \] \[ W_2 = \frac{1.5 + 1.5 - 1}{6} = \frac{2.0}{6} = 0.3333 \] \[ W_3 = \frac{1.2 + 1.5 - 1}{6} = \frac{1.7}{6} = 0.2833 \] 权重向量 \(W = [0.3833, 0.3333, 0.2833]^T\)。
特征矩阵
计算 \(W_{ij} = W_i/(W_i+W_j)\)： \[ W^* = \begin{bmatrix} 0.5000 & 0.5349 & 0.5750 \\ 0.4651 & 0.5000 & 0.5405 \\ 0.4250 & 0.4595 & 0.5000 \end{bmatrix} \]
相容性指标
计算 \(|a_{ij} + W_{ji} - 1|\) 并求和： \[ \begin{aligned} i=1,j=1:& |0.5 + 0.5 - 1| = 0 \\ i=1,j=2:& |0.6 + 0.4651 - 1| = 0.0651 \\ i=1,j=3:& |0.7 + 0.4250 - 1| = 0.1250 \\ i=2,j=1:& |0.4 + 0.5349 - 1| = 0.0651 \\ i=2,j=2:& |0.5 + 0.5 - 1| = 0 \\ i=2,j=3:& |0.6 + 0.4595 - 1| = 0.0595 \\ i=3,j=1:& |0.3 + 0.5750 - 1| = 0.1250 \\ i=3,j=2:& |0.4 + 0.5405 - 1| = 0.0595 \\ i=3,j=3:& |0.5 + 0.5 - 1| = 0 \end{aligned} \] 总和 = \(0 + 0.0651 + 0.1250 + 0.0651 + 0 + 0.0595 + 0.1250 + 0.0595 + 0 = 0.4992\)
\(I = \frac{0.4992}{9} = 0.0555\)。
一致性检验
取 \(\alpha = 0.1\)，\(I = 0.0555 < 0.1\)，通过一致性检验。

结论：准则权重排序为 C1（技术先进性）> C2（经济性）> C3（实施风险），专家判断可信。

常见问题

Q1: 为什么FAHP采用0.1_{0.9标度而不是1}9标度？
A: 0.1~0.9标度天然满足互补性（\(a_{ij}+a_{ji}=1\)），便于构造模糊互补矩阵，且与模糊集理论中的隶属度概念一致，更符合人类模糊判断的直觉。

Q2: 如何处理判断矩阵不满足互补性的情况？
A: 工具会自动检查互补性。若不满足，会提示错误，需检查原始数据是否有误。若矩阵基本满足但略有偏差，可强制修正为互补（如取均值）。

Q3: 相容性指标阈值α如何设定？
A: 通常取0.1，与AHP中CR<0.1的标准对应。若决策要求极高，可降低至0.05；若问题复杂，可放宽至0.15。

Q4: 支持多专家群体决策吗？
A: 平台支持上传包含多个工作表的Excel文件，每个工作表可对应一位专家的判断矩阵，分别计算并输出各专家的权重和一致性结果，便于对比分析。

Q5: 结果中特征矩阵有什么作用？
A: 特征矩阵是由权重向量导出的理想判断矩阵，与原始矩阵的接近程度（相容性指标）是衡量一致性的依据。同时，它也可以用于后续的灵敏度分析或群组决策中的意见聚合。

平台功能

FAHP模糊层次分析法分析平台提供以下核心功能：

数据输入

支持CSV、Excel、TXT多种格式。
Excel文件支持多工作表（每个工作表代表一个专家或一个准则层）。
自动识别矩阵维度，支持分数格式（如“1/2”）和公式（如“=0.6”）。
内置矩阵验证：检查对角线是否为0.5、是否满足互补性、元素是否在[0.1,0.9]范围内。

分析设置

一致性阈值α：可自定义（默认0.1）。
小数位数：控制结果输出精度（默认5位）。

结果展示

详细分析报告：包含每个工作表的权重向量、特征矩阵、相容性指标、一致性检验结论。
可视化图表：权重分布柱状图、模糊判断矩阵热力图。
AI智能分析：基于DeepSeek API自动解读结果，提供决策建议（每日限3次）。
多格式导出：支持Excel和HTML报告下载。

专家管理

多工作表自动识别，支持批量分析。
实时显示每个矩阵的验证状态和一致性结果。
支持对比不同专家的权重分布。

使用建议

准备阶段：明确决策目标与准则体系，确保所有专家理解0.1~0.9标度的含义。
数据收集：使用模板文件填写判断矩阵，确保每个矩阵为正方形且对角线为0.5。
参数设置：根据问题复杂度合理设定一致性阈值。
结果解读：结合AI分析建议，重点关注权重排序和一致性检验结果。
迭代优化：若一致性不通过，可请专家重新调整判断或删除明显异常的数据。

平台界面

官方地址：https://superr.online

平台界面包含：数据上传区、参数设置区、多工作表预览、分析结果展示和AI分析模块

参考文献：

模糊层次分析法及其在设计方案选优中的应用[J]. 系统工程与电子技术.
模糊判断矩阵的相容性研究[J]. 控制与决策.
Saaty, T.L. (1980). The Analytic Hierarchy Process. McGraw-Hill.